AIsaAIsaStudio English 打开 AIsa Studio

14 岁开发者发布单模型语音听写工具 Typd,基于 Qwen3-ASR 1.7B 训练

原标题:Voice dictation with one model.

一位 14 岁开发者训练了单个模型完成语音听写的转写与文本清理两个步骤,替代 Whisper 加 LLM 的传统两段式流水线,并在 RTX 3050 Ti(4 GB 显存)笔记本上运行。该模型为基于 Qwen3-ASR 1.7B(Apache-2.0)微调的 2.2 GB Q8 文件,占用约 2.5 GB 显存,短听写约 0.5 秒、长听写约 1 秒完成,而双模型组合需 2.5 到 36 秒。成果已发布为免费开源听写应用 Typd(支持 NVIDIA GPU 的 Windows 和 Apple silicon Mac),链接 https://github.com/SameRainbows/typd-app 与 https://typd.mehmetdedeler.com,训练数据来自开放许可数据集的真实语音。

为什么值得看

作者在 4 GB 显存笔记本上实测并对比双模型流水线,给出了单模型语音听写的速度、显存和训练数据细节。

阅读原文 ↗

本页的摘要、推荐理由与解读出自 AIsa Studio 的 AI 风向智能体,原文版权归原作者所有。